[發明專利]一種智能汽車仿真測試矩陣生成方法在審

申請號：	202010750334.6	申請日：	2020-07-30
公開（公告）號：	CN111985092A	公開（公告）日：	2020-11-24
發明（設計）人：	李偉;李爽;楊明;李鵬輝;陳龍	申請（專利權）人：	哈爾濱工業大學
主分類號：	G06F30/20	分類號：	G06F30/20;G06F17/16;G06N3/00;G06N3/12
代理公司：	哈爾濱市陽光惠遠知識產權代理有限公司 23211	代理人：	劉景祥
地址：	150001 黑龍***	國省代碼：	黑龍江;23
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種智能汽車仿真測試矩陣生成方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種智能汽車仿真測試矩陣生成方法，屬于智能汽車仿真實驗技術領域。所述生成方法包括：步驟一、基于自然駕駛數據提取仿真測試矩陣CSTM；步驟二、基于仿真測試矩陣CSTM運用COLHS生成新的仿真測試矩陣LSTM_cor。本發明采用基于相關性控制的優化拉丁超立方算法生成智能汽車仿真測試矩陣。這種方法一方面可以保證在任意案例數下仿真測試矩陣都能具有良好的空間覆蓋性，另一方面還能保留CSTM中變量間的相關關系。本發明所使用的COLHS是一種將Cholesky分解法和組合優化法相結合的算法。它既能在相關系數矩陣非正定時完成抽樣，又能在相關系數矩陣正定時快速精確的對仿真測試矩陣相關性進行控制。

技術領域

本發明涉及一種智能汽車仿真測試矩陣生成方法，屬于智能汽車仿真實驗技術領域。

背景技術

為了將智能汽車仿真實驗與真實交通場景聯系起來，許多學者就基于自然駕駛數據的仿真測試矩陣方法進行了研究。其中，將交通參與的運動視為馬爾科夫隨機過程提取仿真測試矩陣(本發明將這種直接依靠自然駕駛數據提取的仿真測試矩陣記為CSTM，CSTM每一行對應一個測試用例，每一列對應一個變量)的方法，因其符合交通參與者的隨機性，可重用度高等特點得到了廣泛研究。但是，在智能駕駛汽車控制算法開發初期，直接使用CSTM即耗時又沒有必要。另外，在一些極端情況下自然駕駛數據的提取是困難的(比如極端天氣，極端環境，極端危險場景等)，這時CSTM中的案例就不夠用了。為了解決這兩個問題，本文出了一種依靠馬爾科夫隨機過程提取仿真測試矩陣，運用優化拉丁超立方抽樣生成仿真測試矩陣的方法。本發明能根據用戶需求生成任意案例數的，具有良好空間覆蓋性，并且與CSTM的相關系數矩陣非常接近的仿真測試矩陣。所述方法可直接使用的領域屬于智能汽車仿真測試領域。

發明內容

本發明的目的是提出一種智能汽車仿真測試矩陣生成方法，以解決現有的仿真測試中存在的問題。

一種智能汽車仿真測試矩陣生成方法，所述生成方法包括：

步驟一、基于自然駕駛數據提取仿真測試矩陣CSTM；

步驟二、基于仿真測試矩陣CSTM運用COLHS生成新的仿真測試矩陣LSTM_cor。

進一步的，在步驟一中，具體包括以下步驟：

步驟一一、從自然駕駛數據中提取指定場景事件；

步驟一二、從指定場景事件中提取仿真感興趣的變量；

步驟一三、將靜態變量直接存入CSTM中，將動態變量視為馬爾科夫隨機過程并擬合成馬爾科夫隨機模型，然后將模型參數存入CSTM中。

進一步的，所述場景事件包括跟車事件、換道事件、預碰撞事件、騎車人事件和行人事件。

進一步的，在步驟一一中，指定場景事件的條件包括天氣條件、光照條件、交通參與者行為、行駛環境條件和車輛行駛數據。

進一步的，在步驟一三中，所述靜態變量包括場景事件中的自車狀態、道路狀態、環境狀態和其他交通參與者狀態。